Pengenalan Pneumonia Pada Anak Menggunakan Jaringan Syaraf Tiruan Extreme Learning Machine

Sari

Pneumonia adalah penyakit infeksi saluran pernapasan akut pada paru-paru yang menjadi penyebab utama kematian anak di bawah 5 tahun di seluruh dunia. Citra rontgen dada merupakan salah satu cara yang dapat digunakan untuk mendiagnosis pneumonia. Radiologi terkadang menemui kesulitan pada saat pengenalan pneumonia karena citra rontgen sering terlihat samar-samar dan dapat bertumpukan dengan gejala penyakit lain. Pengembangan teknologi pengenalan pneumonia anak dapat membantu mempermudah serta mempercepat proses dalam mendiagnosis penyakit pneumonia sehingga dapat menekan angka kematian akibat penyakit pneumonia pada anak. Penelitian ini membahas pengenalan pneumonia pada anak dengan menggunakan Grey Level Coocurrence Matrix (GLCM) sebagai metode ekstraksi fitur dan Extreme Learning Machine (ELM) sebagai metode pengenalannya. Pelatihan dan pengujian ELM dilakukan dengan metode k-fold cross validation dengan nilai k=10. Hasil penelitian menggunakan parameter semua sudut (0°, 45°, 90°, 135°) pada ekstraksi fitur GLCM menghasilkan akurasi total sebesar 0.9728 dengan sensitivity sebesar 0.9886 dan specificity sebesar 0.9574. Sehingga berdasarkan hasil penelitian yang didapat, metode ELM memiliki kinerja yang lebih baik dalam mengenali citra pneumonia pada anak.